Comparing Male Nyala and Male Kudu Classification using Transfer Learning with ResNet-50 and VGG-16

要約

野生動物の信頼性が高く効率的なモニタリングは、管理と保護の決定に情報を提供するために非常に重要です。
動物の種類を手動で識別するプロセスは、時間がかかり、単調で、費用がかかります。
この論文では、深層学習とコンピューター ビジョンの進歩を活用して、自然の生息地で雄のクドゥーと雄のニアラを識別する際の事前トレーニング済みモデル、特に VGG-16 モデルと ResNet-50 モデルの効率を調査します。
これらの事前トレーニングされたモデルは、一般に動物の識別において効率的であることが証明されています。
それでも、通常はうまくカモフラージュされ、同様の特徴を持つクドゥーやニアラのような動物に関する研究はほとんどありません。
この論文で使用される転移学習の方法は、微調整方法です。
モデルは微調整の前後で評価されます。
実験結果では、微調整前の VGG-16 モデルと ResNet-50 モデルでそれぞれ 93.2\% と 97.7\% の精度が達成され、微調整後は両方のモデルで 97.7\% の精度が達成されました。
これらの結果は印象的ですが、これらは 2 つのクラス間で半分に分割された 550 枚の画像という小さなサンプル サイズから取得されたものであることに注意してください。
したがって、これはモデルの効率性について完全な結論を得るのに十分なシナリオに対応できない可能性があります。
したがって、より広範なデータセットを取得し、これらの種のメスとアンテロープ種全体にまで拡張してテストを行うには、さらなる研究の余地があります。

要約(オリジナル)

Reliable and efficient monitoring of wild animals is crucial to inform management and conservation decisions. The process of manually identifying species of animals is time-consuming, monotonous, and expensive. Leveraging on advances in deep learning and computer vision, we investigate in this paper the efficiency of pre-trained models, specifically the VGG-16 and ResNet-50 model, in identifying a male Kudu and a male Nyala in their natural habitats. These pre-trained models have proven to be efficient in animal identification in general. Still, there is little research on animals like the Kudu and Nyala, who are usually well camouflaged and have similar features. The method of transfer learning used in this paper is the fine-tuning method. The models are evaluated before and after fine-tuning. The experimental results achieved an accuracy of 93.2\% and 97.7\% for the VGG-16 and ResNet-50 models, respectively, before fine-tuning and 97.7\% for both models after fine-tuning. Although these results are impressive, it should be noted that they were taken over a small sample size of 550 images split in half between the two classes; therefore, this might not cater to enough scenarios to get a full conclusion of the efficiency of the models. Therefore, there is room for more work in getting a more extensive dataset and testing and extending to the female counterparts of these species and the whole antelope species.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google